Scrivania di trading di Goldman Sachs: Il trading di momentum potrebbe richiedere ancora alcune settimane per toccare il fondo, mentre la narrativa sulla spesa in capitale per l'IA sta vacillando

I modelli di intelligenza artificiale raggiungono prestazioni all'avanguardia con un impiego di potenza di calcolo molto inferiore alle aspettative di mercato, mettendo nuovamente in discussione la narrativa secondo cui "solo un'espansione continua degli investimenti in capitale può garantire la vittoria nella competizione AI". Il desk di trading One-Delta di Goldman Sachs ritiene che la correzione delle strategie momentum non sia ancora conclusa, ma attualmente il mercato azionario statunitense non mostra rischi sistemici e la struttura di mercato rimane resiliente.

Rich Privorotsky, responsabile del desk One-Delta di Goldman Sachs, afferma che il suo modello momentum mostra che questa fase di correzione delle operazioni momentum richiederà ancora alcune settimane per arrivare a un vero punto di minimo, e il ribasso finale sarà probabilmente vicino alla mediana storica. Tuttavia, considerando che la tendenza al rialzo precedente era nettamente superiore alla media storica, questa correzione potrebbe superare la media storica.

Ha inoltre sottolineato che l’emergere di una nuova generazione di modelli AI più efficienti sta spingendo il mercato a riconsiderare la logica degli investimenti nelle infrastrutture AI. Con il costante aumento dell’efficienza nell’addestramento dei modelli, la narrativa centrale dell’"investire continuamente enormi capitali nella costruzione di cluster di calcolo di scala sempre maggiore" è sempre più messa in discussione, mentre la spesa in capitale per l’AI rimane ancora il fulcro attuale della valutazione dei titoli tecnologici globali.

Le operazioni momentum non sono ancora state del tutto scaricate, la rotazione interna del mercato persiste

Privorotsky afferma che gli indicatori momentum da lui monitorati mostrano una volatilità relativa ancora elevata, senza segnali sufficienti a disinnescare l’allerta.

Tuttavia, emergono evidenti divergenze interne al mercato. Da un lato, alcune azioni legate all’hardware per l’AI sono entrate in una zona di ipervenduto; dall’altro, alcuni settori finora sottoperformanti stanno rimbalzando pur senza miglioramenti fondamentali rilevanti, configurando una chiara rotazione dei flussi di capitale.

A livello di indici, il mercato azionario statunitense continua a mostrare una notevole resilienza. La correlazione tra settori rimane bassa, i flussi di capitale si spostano più tra i settori che verso una vendita generalizzata. Anche se la volatilità implicita è aumentata venerdì scorso, la struttura di mercato non ha subito cambiamenti fondamentali.

Il miglioramento nell’efficienza dell’AI rimette in discussione la logica di investimento in capitale

Privorotsky afferma di essere stato impressionato dalle capacità ingegneristiche del modello Kimi K3 dopo i test effettuati. Questo modello conta 2,8 trilioni di parametri e, per una self-hosted, necessita ancora di un cluster GPU di livello enterprise: non può essere gestito su normali dispositivi locali.

Secondo lui, la vera attenzione va posta non tanto sulle fasi di inferenza, quanto sull’efficienza dell’addestramento.

Rispetto al semplice affidamento su una maggiore scala di potenza di calcolo, la nuova generazione di modelli si affida maggiormente all’ottimizzazione degli algoritmi, all’innovazione nelle architetture dei modelli e a meccanismi di routing degli esperti misti (MoE) più efficienti per aumentare l’efficienza dell’addestramento. Prendendo ad esempio Kimi K3, questo modello dispone di 896 moduli esperti, ma ad ogni inferenza ne attiva solo 16, riducendo così drasticamente il consumo di risorse computazionali.

Tutto ciò porta il mercato a ripensare: se i modelli più avanzati possono aumentare significativamente l’efficienza dell’addestramento attraverso l’innovazione algoritmica, l’industria AI ha davvero bisogno di continuare a costruire data center e cluster di training sempre più grandi e con intensità di capitale crescente?

Tuttavia, Privorotsky sottolinea che questa rappresenta più una sfida alla logica degli investimenti nella fase di training, mentre la domanda di potenza di calcolo per l’inferenza rimane fortemente sostenuta e le richieste a lungo termine per le infrastrutture AI non hanno subito una svolta radicale.

La stagione degli utili determinerà se il trend AI potrà continuare

Con la Federal Reserve entrata in periodo di blackout in vista del meeting sui tassi, nel breve termine l’attenzione del mercato si concentrerà su eventi macro come il meeting della BCE, il dato CPI del Regno Unito e le stime flash dei PMI delle maggiori economie mondiali.

Tuttavia, secondo Privorotsky, la vera direzione del mercato sarà determinata dall’imminente stagione degli utili.

Oltre ad Alphabet, anche le performance di Tesla, Texas Instruments, Intel e il prossimo evento "Advancing AI" di AMD saranno finestre fondamentali per osservare il ciclo di investimento sull’AI e verificarne ancora una volta se la logica degli investimenti da miliardi di dollari in AI possa continuare ad essere riconosciuta dal mercato.